- 前言 据《福布斯》报道，每天大约会有 250 万字节的数据被产生。然后，可以使用数据科学和机器学习技术对这些数据进行分析，以便提供分析和作出预测。尽管在大多数情况下，在开始任何统计分析之前，需要先对最初收集的数据进行预处理。有许多不同的原因导致需要进行预处理分析，例如： 收集的数据格式不对（如 SQL 数据库、JSON... 前言 据《福布斯》报道，每天大约会有 250 万字节的数据被产生。然后，可以使用数据科学和机器学习技术对这些数据进行分析，以便提供分析和作出预测。尽管在大多数情况下，在开始任何统计分析之前，需要先对最初收集的数据进行预处理。有许多不同的原因导致需要进行预处理分析，例如： 收集的数据格式不对（如 SQL 数据库、JSON...
- 前言 假设有一个客服排班的任务，我们需要为 100 个人安排一个星期的排班问题，并且有以下约束条件： 一天被划分为 24 个时间段，即每个时间段为 1 个小时； 每个客服一个星期需要上七天班，每次上班八小时； 每个客服两次上班时间需要间隔 12 小时； 客服值班时，一个星期最早是 0，最晚 24*7 - 1。... 前言 假设有一个客服排班的任务，我们需要为 100 个人安排一个星期的排班问题，并且有以下约束条件： 一天被划分为 24 个时间段，即每个时间段为 1 个小时； 每个客服一个星期需要上七天班，每次上班八小时； 每个客服两次上班时间需要间隔 12 小时； 客服值班时，一个星期最早是 0，最晚 24*7 - 1。...
- softsign激活函数 人脸识别中，尝试替代prelu和bn层，效果不好。 pytorch函数： a_tensor=torch.Tensor([[-1,2,30],[4,5,60],[7,8,9]]) aaaaa=F.softsign(a_tensor) print(a_tensor) class... softsign激活函数 人脸识别中，尝试替代prelu和bn层，效果不好。 pytorch函数： a_tensor=torch.Tensor([[-1,2,30],[4,5,60],[7,8,9]]) aaaaa=F.softsign(a_tensor) print(a_tensor) class...
- GitHub - prakharg24/yoloret: Implementation for the paper 'YOLO-ReT: Towards High Accuracy Real-time Object Detection on Edge GPUs' https://github.com/guotao0628/yo... GitHub - prakharg24/yoloret: Implementation for the paper 'YOLO-ReT: Towards High Accuracy Real-time Object Detection on Edge GPUs' https://github.com/guotao0628/yo...
- 文章目录 一.前言二.数据准备三.数据读取四.加载预训练模型测试五.完整源码 一.前言 情感倾向分析（Sentiment Classification，简称Senta）针对带有主观描述... 文章目录 一.前言二.数据准备三.数据读取四.加载预训练模型测试五.完整源码 一.前言 情感倾向分析（Sentiment Classification，简称Senta）针对带有主观描述...
- 文章目录 一、准备数据二、读取数据三、加载预训练模型四、预测五.完整源码 一、准备数据 创建ci.txt文档： 二、读取数据 #读取数据 with open("ci.txt", ... 文章目录 一、准备数据二、读取数据三、加载预训练模型四、预测五.完整源码 一、准备数据 创建ci.txt文档： 二、读取数据 #读取数据 with open("ci.txt", ...
- 目录 1. 机器学习是什么2. 机器学习、深度学习和人工智能的区别与联系3. 机器学习的应用4. 机器学习分类4.1 监督学习4.2 无监督学习4.3 半监督学习4.4 强化学习 5. 小练习... 目录 1. 机器学习是什么2. 机器学习、深度学习和人工智能的区别与联系3. 机器学习的应用4. 机器学习分类4.1 监督学习4.2 无监督学习4.3 半监督学习4.4 强化学习 5. 小练习...
- 学习目标 目标 知道深度学习与机器学习的区别了解神经网络的结构组成知道深度学习效果特点 应用 无 1.1.1 区别 1.1.1.1 特征提取方面 机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识深度学习通常由多个层组成，它们通常将更简单的模型组合在一起，通过将数据从一层传递到另一层... 学习目标 目标 知道深度学习与机器学习的区别了解神经网络的结构组成知道深度学习效果特点 应用 无 1.1.1 区别 1.1.1.1 特征提取方面 机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识深度学习通常由多个层组成，它们通常将更简单的模型组合在一起，通过将数据从一层传递到另一层...
- 扑克牌游戏，总是能用到很多的手牌排序… 总结了几种方式供参考，顺便记录一下方便以后使用… 我做的这个是由（1-13:黑桃A-K || 14 - 26:红桃 || 27 - 39：梅花 || 39 - 52 : 方片 || 53.54：小王.大王）表示的一副扑克牌，，，这样对数组可以根据下面的sendFlower方法取得扑克花色返回值代表花色（3.2.1.0 分别是 黑... 扑克牌游戏，总是能用到很多的手牌排序… 总结了几种方式供参考，顺便记录一下方便以后使用… 我做的这个是由（1-13:黑桃A-K || 14 - 26:红桃 || 27 - 39：梅花 || 39 - 52 : 方片 || 53.54：小王.大王）表示的一副扑克牌，，，这样对数组可以根据下面的sendFlower方法取得扑克花色返回值代表花色（3.2.1.0 分别是 黑...
- 一、NYOJ 最小公倍数 解题思路：1~n 的最小公倍数为小于 n 的所有质数的最大幂（值小于n）的乘积。 比如 n=10 小于 10 的质数有 2 3 5 7 对应的最大幂是： 3 2 1 ... 一、NYOJ 最小公倍数 解题思路：1~n 的最小公倍数为小于 n 的所有质数的最大幂（值小于n）的乘积。 比如 n=10 小于 10 的质数有 2 3 5 7 对应的最大幂是： 3 2 1 ...
- 在深度学习过程中，避免不了使用梯度下降算法。但是对于“非凸问题”，训练得到的结果往往可能陷入局部极小值，而非全局最优解。那么这里就以Himmelblau 函数为例，探究待优化参数的初始值对梯度下降方向的影响，从而得到不同的局部极小值。 首先介绍一下Himmelblau 函数： 下图 为 Himmelblau 函数的等高线，大致可以看出，它共有 4 个局部极小值点，并且... 在深度学习过程中，避免不了使用梯度下降算法。但是对于“非凸问题”，训练得到的结果往往可能陷入局部极小值，而非全局最优解。那么这里就以Himmelblau 函数为例，探究待优化参数的初始值对梯度下降方向的影响，从而得到不同的局部极小值。 首先介绍一下Himmelblau 函数： 下图 为 Himmelblau 函数的等高线，大致可以看出，它共有 4 个局部极小值点，并且...
- 写在前面：大家好！我是【AI 菌】，一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源！ 这博客是我对学习的一点总结与记录。如果您也对 深度学习、机器视觉、算法、Python、C++ 感兴趣，可以关注我的动态，我们一起学习，一起进步~ 我的博客地址为：【AI 菌】的博客 我的Github项目地址是：【AI 菌】的Github 本教程会持续更新，如果对您有帮助的话... 写在前面：大家好！我是【AI 菌】，一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源！ 这博客是我对学习的一点总结与记录。如果您也对 深度学习、机器视觉、算法、Python、C++ 感兴趣，可以关注我的动态，我们一起学习，一起进步~ 我的博客地址为：【AI 菌】的博客 我的Github项目地址是：【AI 菌】的Github 本教程会持续更新，如果对您有帮助的话...
- 写在前面：大家好！我是【AI 菌】，一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源！ 这博客是我对学习的一点总结与记录。如果您也对 深度学习、机器视觉、算法、Python、C++ 感兴趣，可以关注我的动态，我们一起学习，一起进步~ 我的博客地址为：【AI 菌】的博客 我的Github项目地址是：【AI 菌】的Github 本教程会持续更新，如果对您有帮助的话... 写在前面：大家好！我是【AI 菌】，一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源！ 这博客是我对学习的一点总结与记录。如果您也对 深度学习、机器视觉、算法、Python、C++ 感兴趣，可以关注我的动态，我们一起学习，一起进步~ 我的博客地址为：【AI 菌】的博客 我的Github项目地址是：【AI 菌】的Github 本教程会持续更新，如果对您有帮助的话...
- 前言： 本专栏将以理论与实战相结合的方式，对一些的经典的神经网络算法进行逐一解析。这些经典的神经网络包括：LeNet-5、AlexNet、VGG系列、GooLeNet、ResNet 系列、DenseNet 系列，来实现图像的分类与识别；RCNN系列、SSD、YOLO系列等，用以实现多目标检测；SegNet等语义分割算法，来实现目标与背景的分割。更多内容，将不断更新，敬... 前言： 本专栏将以理论与实战相结合的方式，对一些的经典的神经网络算法进行逐一解析。这些经典的神经网络包括：LeNet-5、AlexNet、VGG系列、GooLeNet、ResNet 系列、DenseNet 系列，来实现图像的分类与识别；RCNN系列、SSD、YOLO系列等，用以实现多目标检测；SegNet等语义分割算法，来实现目标与背景的分割。更多内容，将不断更新，敬...
- 大家好！我是【AI 菌】，一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源！ 这博客是我对学习的一点总结与思考。如果您也对 深度学习、机器视觉、数据结构与算法、编程 等感兴趣，可以关注我的动态，我们一起学习，一起进步~ 我的博客地址为：【AI 菌】的博客 我的Github项目地址是：【AI 菌】的Github 资源传送门： 原论文地址：PointNet:... 大家好！我是【AI 菌】，一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源！ 这博客是我对学习的一点总结与思考。如果您也对 深度学习、机器视觉、数据结构与算法、编程 等感兴趣，可以关注我的动态，我们一起学习，一起进步~ 我的博客地址为：【AI 菌】的博客 我的Github项目地址是：【AI 菌】的Github 资源传送门： 原论文地址：PointNet:...
上滑加载中
推荐直播
-
仓颉编程语言开源创新人才培养经验分享2025/08/06 周三 19:00-20:00
张引 -华为开发者布道师-高校教师
热情而富有活力的仓颉社区为学生的学习提供了一个充满机遇和挑战的平台。本次直播探讨如何运用社区的力量帮助同学们变身为开源开发者，从而完成从学生到工程师身份的转变。
回顾中 -
“全域洞察·智控未来” ——云资源监控实战2025/08/08 周五 15:00-16:00
星璇 华为云监控产品经理，霄图 华为云监控体验设计师，云枢 华为云可观测产品经理
本期直播深度解析全栈监控技术实践，揭秘华为云、头部企业如何通过智能监控实现业务零中断，分享高可用系统背后的“鹰眼系统”。即刻预约，解锁数字化转型的运维密码！
即将直播
热门标签